À une intuition de haut niveau, un processus de décision de Markov (MDP) est un type de modèle mathématique très utile pour l'apprentissage automatique, l'apprentissage par renforcement pour être spécifique. Le modèle permet aux machines et aux agents de déterminer le comportement idéal dans un environnement spécifique, afin de maximiser la capacité du modèle à atteindre un certain état dans un environnement ou même plusieurs états,selon ce que vous voulez réaliser. Cet objectif est déterminé parce que nous appellerons une politique, qui s'applique aux actions de l'agent en fonction de l'environnement, et MDP cherche à optimiser les mesures prises pour parvenir à une telle solution. Cette optimisation est e ectuée avec un système de rétroaction des récompenses, où di érentes actions sont pondérées en fonction de l'état prédit que ces actions entraîneront.